没有合适的资源?快使用搜索试试~ 我知道了~
面向高反光区域的自适应结构光.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 125 浏览量
2023-02-23
20:45:44
上传
评论
收藏 1.63MB DOCX 举报
温馨提示
试读
13页
面向高反光区域的自适应结构光.docx
资源推荐
资源详情
资源评论
摘要
在结构光三维成像中,待测场景的高反光区域会在相机成像阵列上出现饱和,这会影响相
移法结构光的相位准确度。针对这一问题,提出一种自适应相移结构光测量方法。首先,
投射若干幅均匀灰度图像,并检测高反光区域和饱和程度,逐像素点确定最优投影光强。
然后,根据目标特性降低投影强度实现坐标映射,生成一组高动态范围的自适应调制条
纹。最后,对于饱和程度较大的区域,结合坐标映射的相位进行相位融合。实验结果表
明,相比于传统方法,所提方法能够更加准确地对投影光强进行调整,相位的最大均方根
误差(RMSE)和饱和区域 RMSE 分别减小了 99.43%和 92.48%,有效地提高了高反光
区域的形貌测量精度。
Abstract
In three-dimensional imaging of structured light, the high-reflective areas of scenes to be
measured will be saturated on camera imaging arrays, which affects the phase accuracy
of phase-shift structured light. Therefore, an adaptive phase-shift structured light
measurement method is proposed. First, several uniformly-grayscaled images are
projected onto an object, the high-reflective areas and their saturation degrees are
detected, and the optimal projected light intensity is determined pixel by pixel. Then,
according to the object properties, the projected light intensity is reduced to realize
coordinate mapping, and a group of adaptive fringes with a high dynamic range is
automatically generated. Finally, the phases over the highly saturated area are fused with
the phases of coordinate mapping. The experimental results reveal that the proposed
method can accurately adjust the projected light intensity. Compared with the traditional
method, the proposed method reduces the maximum root mean square error (RMSE)
and the RMSE of the saturated areas by 99.43% and 92.48%, respectively, and it
effectively improves the morphological measurement accuracy of the high-reflective
areas.
1 引言
以相位测量轮廓术(PMP)
[1]
为代表的主动非接触式
[2]
结构光三维成像技术因精度、速
度和成本等
[3-4]
多方面的优势,已在诸多领域中得到了广泛应用。PMP 对于漫反射材质的
简单几何形貌的被测对象,具有优异的三维重建精度
[5-6]
,而对于表面反射率较大的区域
(金属表面和类镜面等)或因复杂的几何形状受到多路径效应
[7-8]
干扰时,易产生光照饱
和误差
[9]
,从而降低了测量精度。饱和误差是由相机镜头采集的光强值超过其量化范围,
导致信号被限制在最大量程上
[10]
,造成编码图案信息的局部缺失
[11]
,进而无法正确进
行解码造成的。针对高反光问题,近年来研究人员提出了多种方法,主要包括硬件改进
[12-
15]
、图像融合
[9,16-18]
和条纹图案强度调整
[11,19-22]
等。
改进硬件方法不仅增加了额外的硬件成本,还提高了系统设置的难度。陈超文等
[13]
对三
维点进行多视系统匹配,可有效测量高反射率物体,但需要额外增加多个相机,同时还需
要进行多视数据融合。Zhu 等
[14]
在系统中引入偏振器,通过计算线偏振度来生成增强条
纹图案,但需要使用偏振光学器件,同时在低对比度区域中效果不佳。图像融合方法虽然
精度较高,但是需要在不同条件下进行多次测量,最终可融合形成一幅高动态范围的图
像,所需时间成本和空间成本都较大。李兆杰等
[17]
通过拟合相机相应曲线,自动计算多
个不同的曝光时间,再将投射条纹图进行图像融合,提高了曝光精度,但这种方法仍需要
特定条件下的多组投影条纹。Zhang 等
[18]
通过光强响应函数和最小二乘法求解像素点的
信息,并使用多组条纹图进行相位融合。然而,该方法只考虑了反射率区间的全局特性,
容易在区间内反射率相对较低的位置处产生误差。调整条纹图案强度法逐像素点对投影图
案进行调整,虽然只需投影一组条纹图案进行测量,但是确定最优投影光强和实现相机-投
影机平面映射较为困难。张景瑜等
[11]
对过曝缺失相位进行线性插值,并建立了映射关
系,借助双向反射分布函数预测灰度调制分布以生成自适应条纹。该方案虽然提高了测量
速度,但是对高反光区域物体的形貌有所局限,同时对系统硬件的要求较高。彭广泽等
[19]
通过引入卷积神经网络进行训练,达到了对光强饱和区域进行光强修复的目的,但这
种方法迭代训练过程的时间成本较大。冯维等
[21]
基于掩膜图像和插值预测的方法求取了
最优投影灰度值,但该方法是将投影图案和捕获图像进行线性建模的,未考虑实际中的非
线性问题。
为克服现有改进方法在精度上的不足,实现对高反光区域的自适应重建,本文从 PMP 系
统的成像特性出发,提出一种针对物体高反光区域的自适应条纹重建方法。首先,该方法
通过投射若干幅灰度值均匀分布的图像来测定各饱和像素点的最优投影灰度区间,并根据
物体表面反射率和环境光信息确定该点的最优投影光强值。然后,根据被测物体特性选取
不发生饱和的绝对相位进行相机-投影机的映射。最后,将自适应条纹获取的相位与坐标映
射获取的相位进行融合。实验结果表明,相比于传统方法和现有改进算法,所提方法能够
在保证信噪比的同时,实现对待测物体的高动态范围测量,进而实现对高反光区域的自适
应三维重建。
2 基本原理
2.1 相位测量轮廓术与饱和误差分析
如图 1 所示,一个 PMP 系统的硬件主要包括相机、投影机和计算机。先由计算机生成一
组具有不同空间频率的带相移的正弦波编码图案,通过投影机将该图案投射到对象表面后
利用相机捕获到带有形变信息的图像,最后利用计算机解码相位和计算点云实现三维重
建。
图 1. PMP 系统构成
Fig. 1. PMP system composition
下载图片 查看所有图片
在传统 PMP 方法中,投影机向扫描目标投射一组正弦条纹,相机同步捕获经目标调制后
的图像。在理想情况下,捕获到的光强值
[23-24]
可以表示为
Icn=Ac+Bccos(φ−2πnN)=αc(Ipn+β)+βInc=Ac+Bccosφ-2πnN=αcInp+β+β,(1)
式中:αcαc 是扫描目标表面的反射率;IpnInp 是编码光栅的光强分布;ββ 是环境光的强
度;IcnInc 是捕获到的形变光栅的光强分布;nn 是相移步数;NN 是投射编码图案的总
数;AcAc 是平均光强;BcBc 是光强调制;φφ 是包裹相位。以上各变量为表达简便均略
去了相机平面的坐标。对于捕获的光栅图案,平均光强 AcAc、光强调制 BcBc 和包裹相位
φφ
[25-26]
的表达式为
⎧⎩⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪Ac=1N∑n=0N−1IcnBc=2N
[∑n=0N−1Icnsin(2πnN)]2+[∑n=0N−1Icncos(2πnN)]2−−−−−−−−−−−−−−−−−−−−−−−−−
−−−−−−�⎷��φ=arctan⎡⎣⎢⎢∑n=0N−1Icnsin(2πnN)∑n=0N−1Icncos(2πnN)⎤⎦⎥⎥Ac=1N∑n=0N-
剩余12页未读,继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3663
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- n.cpp
- jdk-8u411-windows-x64下载安装可用
- vgg模型-图像分类算法对水果识别-不含数据集图片-含逐行注释和说明文档.zip
- KMP算法(Knuth-Morris-Pratt算法
- vgg模型-python语言pytorch框架训练识别化妆品分类-不含数据集图片-含逐行注释和说明文档.zip
- KMP算法(Knuth-Morris-Pratt算法
- shufflenet模型-基于人工智能的卷积网络训练识别狗的表情-不含数据集图片-含逐行注释和说明文档.zip
- shufflenet模型-python语言pytorch框架训练识别张嘴闭嘴-不含数据集图片-含逐行注释和说明文档.zip
- resnet模型-基于人工智能的卷积网络训练识别面部表情识别-不含数据集图片-含逐行注释和说明文档
- resnet模型-python语言pytorch框架训练识别香蕉品质-不含数据集图片-含逐行注释和说明文档.zip
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功